第1章 內河航運圖像和視頻去霧概述
1．1 研究目的及意義
1．2 國內外研究現狀分析
1．2．1 圖像去霧算法研究現狀
1．2．2 視頻去霧算法研究現狀
1．2．3 內河霧天航運圖像與視頻去霧算法研究
1．3 實驗視頻圖像技術要點概述
1．3．1 內河航運視頻制式說明
1．3．2 內河視頻去霧程度要求
1．4 本書主要內容及結構安排
1．4．1 本書主要內容
1．4．2 本書結構安排

第2章 霧的成因和圖像退化機理
2．1 霧的基礎理論
2．1．1 霧的定義
2．1．2 霧的成因
2．1．3 霧的分布及特點
2．1．4 內河霧特點
2．2 大氣散射理論模型
2．2．1 入射光衰減模型
2．2．2 大氣散射模型
2．2．3 霧天成像模型
2．3 霧天圖像基本特征
2．3．1 顏色和灰度衰減特征
2．3．2 頻譜特性
2．4 內河霧天航運圖像特征
2．4．1 河面亮度變化特征
2．4．2 內河環(huán)境與一般環(huán)境霧天圖像特征對比
2．5 本章小結

第3章 增強型去霧算法
3．1 增強型去霧算法的基本理論
3．1．1 數字圖像處理基本理論
3．1．2 空間域圖像增強
3．1．3 頻率域圖像增強
3．2 直方圖去霧算法
3．2．1 直方圖均衡化
3．2．2 局部直方圖均衡化
3．3 Retinex去霧算法
3．3．1 基于Retinex的圖像去霧原理
3．3．2 基于Retinex的內河場景圖像去霧
3．3．3 基于Retinex增強去霧算法應用分析
3．4 本章小結

第4章 復原型去霧算法
4．1 復原型去霧算法的基本理論
4．1．1 圖像復原的基本概念
4．1．2 圖像復原的模型
4．2 基于多幅圖像的去霧算法
4．2．1 Fabio Cozman退化模型
4．2．2 Narasimhan退化模型
4．3 基于單幅圖像的去霧算法
4．3．1 基于暗原色先驗的圖像去霧
4．3．2 圖像摳圖法
4．4 本章小節(jié)

第5章 增強和復原混合的內河
航運圖像去霧算法
5．1 斯托克斯定律和瓊斯矩陣擴展
5．2 雙邊濾波
5．3 基于Retinex亮度改善
5．3．1 Retinex算法的一般過程
5．3．2 高斯核函數
5．4 基于混合算法的內河航運圖像去霧算法
5．5 實驗結果與分析
5．5．1 灰度直方圖比較
5．5．2 算法性能比較
5．6 本章小結

第6章 基于時空一致的內河
航運視頻去霧算法
6．1 局部最優(yōu)大氣光傳輸圖
6．1．1 自然圖像摳圖
6．1．2 灰度圖像局部最優(yōu)大氣光傳輸圖
6．1．3 彩色圖像局部最優(yōu)大氣光傳輸圖
6．2 大氣光傳輸圖優(yōu)化
6．2．1 大氣光傳輸圖細化
6．2．2 大面積天空的優(yōu)化
6．3 大氣光強度估計
6．3．1 基于灰度直方圖的天空分割法
6．3．2 大氣光強度提取
6．4 基于時空一致的視頻去霧算法
6．4．1 時空一致性
6．4．2 視頻閃爍消除算法
6．4．3 基于時空一致的視頻去霧算法
6．5 實驗結果與分析
6．5．1 灰度直方圖比較
6．5．2 算法性能比較
6．5．3 視頻去霧主觀效果分析
6．5．4 視頻去霧客觀效果分析
6．6 本章小結

第7章 基于景深估計的內河視頻去霧算法
7．1 景深估計
7．1．1 景深估計相關研究
7．1．2 視覺線索與景深
7．1．3 內河霧天水面景深先驗
7．1．4 相對景深估計
7．2 基于景深估計的視頻去霧算法
7．2．1 大氣光傳輸圖估計
7．2．2 關鍵幀選擇
7．3 實驗及結果
7．4 本章小結

第8章 圖像去霧效果評價算法
8．1 圖像去霧評價算法
8．1．1 圖像去霧評價標準
8．1．2 客觀圖像質量評價算法
8．2 圖像去霧評價指標
8．2．1 平均銳度
8．2．2 優(yōu)化的可見邊特征
8．2．3 能見度檢測
8．3 評價結果與分析
8．3．1 平均銳度指標
8．3．2 可見邊特征指標
8．3．3 能見度檢測指標
8．4 本章小結
參考文獻